问卷调查数据怎么分析？用 AutoClaw 从原始回收到结论报告

问卷分析五步法：清洗对账、口径统一的频数统计、守住样本量的交叉分析、开放题两轮编码、结论分级成报告，附可复制任务描述，可用 AutoClaw 完成全程。

问卷调查数据怎么分析？用 AutoClaw 从原始回收到结论报告

问卷分析的第一个坑，是回收多少份就当多少份用；第二个坑，是只看每道题的平均分；第三个坑，是开放题收了几百条，最后用"大家普遍认为"一句话带过。回收 500 份，剔除乱答的可能只剩 300 份能用；平均分 3.8 分，不同人群可能是 4.8 和 2.8 的混合；开放题里最有价值的原话，往往死在没有编码的表格里。数据分析的价值不在算数，而在让每一条结论都能说清"基于多少样本、什么口径、对谁成立"。AI 能把清洗、统计、交叉、编码这些机械环节做完做全，把每条结论钉在数据上；规则和解读框架由你定。

开工前：把问卷变成分析框架

数据回来之前，这份问卷就应该已经有分析框架了。做法很简单：把每道题贴进一张三列表——题目、它要回答的业务问题、预期产出（数字还是结论）。这张表有三个用处：发现漏问（想对比新老用户，问卷里却没有使用时长一题）、发现废题（没有任何业务问题会用到这道题）、以及让分析任务可以直接按表执行。如果问卷已经发出去了，这张表照样能做——它决定哪些题重点分析、哪些题只做归档。

先分清题型，再谈方法

每道题的题型决定了它能用什么方法、会犯什么错。分析前先把问卷按题型过一遍：

题型	能得出什么	最常见的错误
单选题	频数与占比	分母用了回收数而不是有效数
多选题	选择率（合计超 100% 属正常）	把占比当成了比例强行加总
量表题	均值、分布、高低分组差异	只看均值不看分布，极端值被平均掩盖
排序题	加权得分或各名次占比	直接按被选次数排序，权重信息丢失
矩阵量表	多个维度的均值对比	把所有子项摊平统计，维度对比丢失
开放题	主题归类 + 原话证据	直接略过，或只挑支持自己观点的引用

第一步：清洗回收数据，并对账

无效问卷的判定规则要在看数据之前定好，常见的有三类：答题时长过短（比如 20 题的问卷 40 秒提交）、规律性作答（全选 A、量表题全选同一档）、逻辑矛盾（前面选"没用过"，后面又给使用体验打分）。把规则写进分析任务，让 AI 逐份标记，输出清洗清单：回收多少、剔除多少、依据是什么。

清洗前后必须对账：有效样本数 = 回收数 − 剔除数，剔除的每一份都能指出踩了哪条规则。两个信号要警惕：剔除比例超过 20%，先回查问卷本身是不是太长或题目有歧义，而不是继续埋头删数据；某一类来源（某个渠道、某天投放）的剔除率明显偏高，要在报告里注明，因为它可能代表一类真实用户。

第二步：单题统计，口径统一

对每道题输出频数表：选项、人数、占比。三个口径问题在跑数前定死：多选题的分母用"答题人数"而不是"选择次数"；量表题的报告口径是均值还是"各档位占比"（对管理层，"满意及以上占 72%"经常比"均值 3.8"更好读，两个都出，报告里选主用口径）；跳题逻辑题（比如"没买过的人跳过评价题"）分母用跳到该题的人数。口径写在报告的"数据说明"里，之后每张图表都从这套口径出发。

量表题再多做两件事：反向题先统一方向再算均值，否则正反表述会互相抵消；除均值外补一列分布（各档占比），均值接近的两组，分布可能完全不同。

第三步：交叉分析，找差异但别过度解读

单题看整体，交叉看差异：不同使用时长、不同部门、不同城市的回答有没有系统性差别。交叉表的格式如下（示例数据为虚构，仅演示格式）：

使用时长	样本量	推荐意愿均值	满意及以上占比
半年以内	86	3.2	41%
半年至一年	132	3.7	58%
一年以上	97	4.3	79%

两条纪律要守住：一是交叉前先看每格样本量，低于 30 人的分组只列数据不下结论；二是差异要有量级（差 5 个百分点可以记一笔，差 25 个百分点才算发现），并且写在报告里的每条交叉发现，都要附上对应的分组样本量。交叉维度不要一次开太多——按业务问题挑两三个最关键的，把每个维度看透，比铺十张看不出规律的表更有用。

第四步：开放题归类，先打样再批量

开放题是最花时间也最容易被浪费的部分。正确做法是两轮：第一轮让 AI 读全部回答，输出编码表（主题、定义、示例原话各几条），你修订主题的边界——"价格贵"和"性价比低"算不算一个主题，要在这一步定下来；第二轮按定稿的编码表把每条回答归入主题，允许一条回答挂多个主题。输出三列：主题、原文引用、计数。

编码表本身也是结论的一部分：主题的分布回答"大家最在意什么"，主题在不同分组下的分布回答"谁最在意什么"。比"我看了下大家主要提到价格"这种总结可信一个量级——因为每条归纳都有原话可查。

第五步：结论分级，配对图表

报告里的每一条结论都标注证据强度：全样本一致的写"数据显示"；只在某分组成立的写明分组和样本量；数据不支持下结论的，如实写"本次调研未发现明显差异"。图表按题型配：单选和多选题用条形图（横向，按占比排序），量表题用堆积条形图看分布，趋势对比才用折线图。每张图标题直接说结论（"使用满一年的用户推荐意愿显著更高"），不写"图 3"；不支持任何结论的图表删掉，不要凑数。

用 AutoClaw 跑完这套流程

AutoClaw 是智谱推出的通用 AI Agent，能跨文件持续工作并交付可编辑文档。把问卷原始数据（Excel/CSV）、题目说明和上面的规则一起交给它，它会输出清洗清单、频数统计表、交叉分析表、开放题编码表和一份 Word 分析报告，全部是可编辑文件，方便你复核后直接进汇报。开放题几百条时，编码表打样和批量归类是它省时最多的环节；需要多轮调整口径重跑时，让它基于同一份数据重新出数，避免人工复制粘贴引入新错误。

可直接复制的任务描述：

请分析我提供的问卷数据（Excel）。第一步按以下规则清洗无效问卷：答题时长低于题目数×3 秒、连续 10 题同选项、逻辑矛盾题组；输出清洗清单，标注每份剔除依据，并汇总剔除比例。第二步对全部单选、多选、量表、排序题输出频数统计表，多选题分母用答题人数，量表题同时给均值和各档占比，反向题先统一方向。第三步按（列出交叉维度，如使用时长、部门）输出交叉表，样本量低于 30 的分组只列数据。第四步对开放题先输出编码表（主题、定义、示例原话）供我确认，再按确认后的编码归类，输出主题-原话-计数表。第五步输出 Word 分析报告：每条结论标注证据和样本口径，区分"数据显示 / 分组成立 / 未发现差异"，未发现差异的如实说明。